Phương pháp PSO với chiến lược thông số biến thiên ngẫu nhiên áp dụng cho bài toán điều độ kinh tế với hàm chi phí nhiên liệu không liên tục

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THANH HÙNG PHƯƠNG PHÁP PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN ÁP DỤNG CHO BÀI TOÁN ĐIỀU ĐỘ KINH TẾ VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC Chun ngành: Thiết bị - Mạng - Nhà máy điện LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 12 năm 2010 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 1: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 2: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng năm TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA ĐIỆN - ĐIỆN TỬ ĐỘC LẬP – TỰ DO - HẠNH PHÚC Tp.HCM, ngày… tháng……năm 20… NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN THANH HÙNG Phái : Nam Ngày, tháng, năm sinh: 25-09-1983 Nơi sinh : Bình Dương Chuyên ngành: Thiết bị, mạng nhà máy điện MSHV : 01808302 I TÊN ĐỀ TÀI: PHƯƠNG PHÁP PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN ÁP DỤNG CHO BÀI TOÁN ĐIỀU ĐỘ KINH TẾ VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC II NHIỆM VỤ VÀ NỘI DUNG: CHƯƠNG 1: Tổng quan CHƯƠNG 2: Thuật toán PSO CHƯƠNG 3: Bài toán điều độ kinh tế (ED) giới hạn ramp - rate CHƯƠNG 4: Ứng dụng PSO với chiến lược thông số biến thiên ngẫu nhiên (PSO-RVPS) để giải toán ED với hàm chi phí nhiên liệu khơng liên tục CHƯƠNG 5: Kết luận III NGÀY GIAO NHIỆM VỤ :………………………… IV NGÀY HOÀN THÀNH NHIỆM VỤ : ………………………… V CÁN BỘ HƯỚNG DẪN: TS VŨ PHAN TÚ Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) CHỦ NHIỆM BỘ MÔN KHOA QL CHUYÊN NGÀNH QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) (Họ tên chữ ký) Lời Cảm Ơn Em xin kính gởi đến thầy TS Vũ Phan Tú lời biết ơn sâu sắc Thầy dành nhiều thời gian quý báu trực tiếp hướng dẫn, tạo điều kiện thuận lợi cho em lời khuyên bổ ích, giúp em hoàn thành luận văn Em xin chân thành cảm ơn quý thầy cô trường Đại học Bách Khoa, người truyền đạt kiến thức, định hướng nghiên cứu Cảm ơn bạn bè chia sẻ, trao đổi kiến thức học tập trình thực luận văn Cảm ơn gia đình người thân yêu tạo điều kiện, động viên, giúp đỡ chỗ tựa vững giúp em an tâm học tập vượt qua khó khăn thời gian qua Tp Hồ Chí Minh, tháng 12 năm 2010 Học viên thực NGUYỄN THANH HÙNG TÓM TẮT LUẬN VĂN Luận văn đưa phương pháp giải tốn điều độ kinh tế cơng suất phát tổ máy nhằm mục đích đạt chi phí thấp Các ràng buộc xét đến tốn gồm: Ràng buộc cân cơng suất (khơng xét đến tổn thất lưới), ràng buộc ramp-rate công suất phát, ràng buộc vùng cấm công suất phát Bài toán giải thuật toán PSO (Particle Swarm Optimization) với thông số thay đổi ngẫu nhiên hay gọi tắt phương pháp PSORVPS Các thông số thay đổi ngẫu nhiên gồm: Trọng số quán tính (ω), hệ số kinh nghiệm cá thể (c1) hệ số quan hệ xã hội cá thể (c2) Bài toán kiểm nghiệm hệ thống (13 máy, 15 máy, 40 máy) với nhu cầu phụ tải khác Các kết đạt cho thấy phương pháp hiệu thời gian tính toán nhanh cho việc giải toán điều độ kinh tế công suất phát tổ máy MỤC LỤC Chương 1: Tổng quan I Đặt vấn đề II Một số cơng trình nghiên cứu liên quan III Nhận xét chung IV Phạm vi nghiên cứu luận văn V Mục tiêu cần đạt luận văn VI Điểm luận văn Chương 2: Thuật toán PSO I Khái niệm chung II Đặc điểm PSO III Ưu điểm PSO IV Ứng dụng PSO Ứng dụng PSO số lĩnh vực Ứng dụng PSO hệ thống điện 10 V Vận hành thuật toán PSO 15 VI Biểu thức PSO 18 VII Giải thuật PSO 20 Chương 3: Bài toán điều độ kinh tế (ED) giới hạn ramp – rate A Bài toán điều độ kinh tế (ED) 22 I Giới thiệu 22 II Đặc tính ngõ vào – ngõ máy phát 22 III Điều độ kinh tế hệ thống nhiệt điện bỏ qua tổn thất lưới 28 IV Tính tốn tổn thất công suất gia tăng 36 V Điều độ kinh tế hệ thống nhiệt điện có tính đến tổn thất lưới 39 VI Điều độ kinh tế hệ thống thủy nhiệt điện 41 VII Một số phương pháp giải toán ED 48 VII.1 Điều độ kinh tế phương pháp Gradient 48 VII.2 Điều độ kinh tế cổ điển thuật toán di truyền 56 B Giới hạn ramp rate 62 I Giới thiệu 62 II Tác động ramp rate vào cam kết máy phát điều độ kinh tế 62 Chương 4: Ứng dụng PSO với chiến lược thông số biến thiên ngẫu nhiên (PSORVPS) để giải toán ED với hàm chi phí nhiên liệu khơng liên tục I PSO với chiến lược thông số biến thiên ngẫu nhiên (PSO-RVPS) 78 II Giới hạn ramp – rate công suất phát 79 III Vùng cấm (prohibited zones) công suất phát 80 IV Bài toán điều độ kinh tế ED với ràng buộc ramp-rate vùng cấm 80 V Giải thuật 81 VI Giải toán điều độ kinh tế với giới hạn ramp rate vùng cấm 82 Chương 5: Kết luận I Tổng kết đề tài 93 II Hướng phát triển đề tài 94 III Lời kết 94 Tài liệu tham khảo CHƯƠNG 1: TỔNG QUAN CHƯƠNG TỔNG QUAN I ĐẶT VẤN ĐỀ Trên giới ngày nhu cầu lượng vấn đề thời cho phát triển kinh tế, lượng điện đóng vai trị then chốt Hệ thống điện liên tục mở rộng, phát triển nguồn đường dây truyền tải Việc sử dụng hiệu tối ưu nguồn cung cấp vấn đề mà nhà nghiên cứu quan tâm Bài toán điều độ kinh tế (ED) gán mức phát máy hệ thống để đáp ứng tải cách kinh tế mà không vi phạm ràng buộc hệ thống máy Vấn đề quan trọng toán điều độ kinh tế đạt công suất tối đa sử dụng nguồn Thơng thường, tốn điều độ kinh tế giả định tất máy phát hệ thống phát công suất lớn giá trị Pmin nhỏ giá trị Pmax Tuy nhiên, hệ thống thực tế, số máy có vùng cấm, vùng giới hạn vật lý thiết bị nhà máy, ví dụ chuyển động ổ trục,…Với vùng cấm, vùng vận hành [Pmin, Pmax] chia thành nhiều vùng nhỏ tách biệt Trong thực tế, máy phát vận hành vùng Các vùng lập hình thành nên nhiều khơng gian, tạo nên khó khăn việc điều độ kinh tế Nhiều phương pháp đưa để giải toán điều độ kinh tế có vùng cấm Một số phương pháp thực giới hạn ramprate, số phương pháp khơng có ramprate Luận văn thực giải tốn ED bao gồm giới hạn ramprate vùng cấm (Prohibited zones) II MỘT SỐ CƠNG TRÌNH NGHIÊN CỨU LIÊN QUAN Trang CHƯƠNG 1: TỔNG QUAN [1] “A New Optimising Concept to Ramp-Rate Constrained Economic Dispatch with Prohibited Operating Zones” tác giả T.Adhinarayanan M.Sydulu Bài báo đưa hiệu “λ logic” để giải toán điều độ kinh tế (ED) hệ thống điện Một số đặc tính phi tuyến máy phát vùng cấm (prohibited zones) giới hạn ramp rate xem xét sử dụng phương pháp Trong báo này, việc thực thi thuật toán “λ logic” thực lần Đầu tiên, xem xét dung lượng điều phối máy phát với giới hạn ramp rate mà không xem xét đến vùng cấm (prohibited zones) Nếu khơng có máy vi phạm xem đạt điều độ tối ưu Nếu có máy bị vi phạm xác định máy này, sau dùng cơng suất trung bình vùng cấm để xác định không gian tối ưu Phương pháp hiệu áp dụng số lượng máy phát dù hay nhiều có vùng cấm giới hạn ramp rate [2] “A Modified Particle Swarm Optimization for Solving the NonConvex Economic Dispatch” tác giả Aniruddha Bhattacharya Jadavpur University Department of Electrical Engineering Kolkata-32, India Pranab Kumar Chattopadhyay Jadavpur University Department of Electrical Engineering Kolkata-32, India Bài báo kết hợp PSO với phương pháp Roulette để giải toán điều độ kinh tế (ED) máy phát nhà máy nhiệt điện Một số nhân tố hàm chi phí bậc hai với điểm valve point, tổn thất truyền tải, giới hạn ramp rate vùng cấm xem xét mơ hình tính tốn Cách tiếp cận cung cấp công cụ để ngăn chặn vấn đề hội tụ sớm tăng tốc hội tụ [3] “Large-Scale Economic Dispatch By Genetic Algorithm” tác giả Po-Hung Chen Hong-Chan Chang, Member, IEEE, Department of Electrical Engineering, National Taiwan Institute of Technology Taipei, Taiwan, ROC Trang CHƯƠNG 1: TỔNG QUAN Bài báo đưa cách tiếp cận di truyền để giải toán điều độ kinh tế hệ thống lớn Một kỹ thuật mã hóa phát triển Trong kỹ thuật mã hóa này, nhiễm sắc thể chứa mã hàm chi phí gia tăng hệ thống Do đó, tổng số bit nhiễm sắc thể hồn tồn độc lập với số lượng máy Đặc tính lồi làm cho cách tiếp cận ứng dụng tốt hệ thống lớn phức tạp phương pháp luận khác khơng đạt Hơn nữa, phương pháp cịn tính đến tổn thất cơng suất lưới, giới hạn ramp rate vùng cấm III NHẬN XÉT CHUNG Qua nghiên cứu cho thấy thuật tốn PSO có số lợi sau: - Thuật toán đơn giản dễ dàng thực - PSO tìm kiếm tất khơng gian tốn khơng phải riêng điểm - Hàm cập nhật vị trí cá thể có độ dốc tự do, giúp cho chương trình chạy nhanh - Khả tính tốn đồng thời cá thể riêng biệt để tìm điểm tối ưu tồn cục - PSO sử dụng hàm mục tiêu hàm tính tốn độ phù hợp để trả trực tiếp kết PSO thích hợp với hàm mục tiêu không liên tục, không khả vi tồn phổ biến hệ thống điện - PSO có khả tìm kiếm vùng khơng gian phức tạp, khơng chắn để tìm lời giải tối ưu tồn cục linh hoạt tốt phương pháp truyền thống khác - Có khả giải tốn với biến rời rạc chẳng hạn đầu phân áp máy biến áp - Dễ dàng song song quần thể để tìm kiếm lời giải tối ưu IV PHẠM VI NGHIÊN CỨU CỦA LUẬN VĂN Trang CHƯƠNG 4: ỨNG DỤNG PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN (PSORVPS) ĐỂ GIẢI BÀI TOÁN ED VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC Hình 4.4 Sự hội tụ PSO-RVPS trường hợp kiểm tra 15 máy có xét đến ramp rate vùng cấm Mạng 40 nút Hệ thống gồm 40 máy với hàm chi phí nhiên liệu có xét đến ảnh hưởng ramp-rate prohibited zone Các hệ số chi phí máy cho bảng 4.5 Công suất yêu cầu hệ thống trường hợp 10.500MW Hàm chi phí: F(PG ) = a i + b i PGi + c i PGi2 + e i sin (f i (PGimin − PGi )) Bảng 4.6 Dữ liệu cho trường hợp kiểm tra hệ thống 40 máy Máy Pmax Pmin bi 114 36 94,705 6,73 114 36 94,705 120 60 190 ci ei fi Pi0 URi DRi 0,00690 100 0,084 100 114 114 6,73 0,00690 100 0,084 100 114 114 309,54 7,07 0,02028 100 0,084 90 120 120 80 369,03 8,18 0,00942 150 0,063 150 100 150 97 47 148,89 5,35 0,01140 120 0,077 80 97 97 140 68 222,33 8,05 0,01142 100 0,084 120 80 125 Trang 88 CHƯƠNG 4: ỨNG DỤNG PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN (PSORVPS) ĐỂ GIẢI BÀI TOÁN ED VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC 300 110 287,71 8,03 0,00357 200 0,042 280 165 200 300 135 391,98 6,99 0,00492 200 0,042 200 165 200 300 135 455,76 6,60 0,00573 200 0,042 230 165 200 10 300 139 722,82 12,90 0,00605 200 0,042 240 155 190 11 375 94 635,20 12,90 0,00515 200 0,042 210 150 185 12 375 94 654,69 12,80 0,00569 200 0,042 210 150 185 13 500 125 913,40 12,50 0,00421 300 0,035 230 206 235 14 500 125 1760,4 8,84 0,00752 300 0,035 355 260 290 15 500 125 1728,3 9,15 0,00708 300 0,035 350 186 215 16 500 125 1728,3 9,15 0,00708 300 0,035 350 186 215 17 500 220 647,85 7,97 0,00313 300 0,035 460 240 270 18 500 220 649,69 7,95 0,00313 300 0,035 470 240 268 19 550 242 647,83 7,97 0,00313 300 0,035 500 290 315 20 550 242 647,81 7,97 0,00313 300 0,035 500 290 315 21 550 254 785,96 6,63 0,00298 300 0,035 510 335 360 22 550 254 785,96 6,63 0,00298 300 0,035 520 335 360 23 550 254 794,53 6,66 0,00284 300 0,035 520 335 362 24 550 254 794,53 6,66 0,00284 300 0,035 450 350 378 25 550 254 801,32 7,10 0,00277 300 0,035 400 350 380 26 550 254 801,32 7,10 0,00277 300 0,035 520 350 380 27 150 10 1055,1 3,33 0,52124 120 0,077 20 95 145 28 150 10 1055,1 3,33 0,52124 120 0,077 20 95 145 29 150 10 1055,1 3,33 0,52124 120 0,077 25 98 145 30 97 47 148,89 5,35 0,01140 120 0,077 90 97 97 31 190 60 222,92 6,43 0,00160 150 0,063 170 90 145 32 190 60 222,92 6,43 0,00160 150 0,063 150 90 145 33 190 60 222,92 6,43 0,00160 150 0,063 190 90 145 34 200 90 107,87 8,95 0,00010 200 0,042 190 105 150 Trang 89 CHƯƠNG 4: ỨNG DỤNG PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN (PSORVPS) ĐỂ GIẢI BÀI TỐN ED VỚI HÀM CHI PHÍ NHIÊN LIỆU KHÔNG LIÊN TỤC 35 200 90 116,58 8,62 0,00010 200 0,042 150 105 150 36 200 90 116,58 8,62 0,00010 200 0,042 180 105 150 37 110 25 307,45 5,88 0,01610 80 0,098 60 110 110 38 110 25 307,45 5,88 0,01610 80 0,098 40 110 110 39 110 25 307,45 5,88 0,01610 80 0,098 50 110 110 40 550 242 647,83 7,97 0,00313 300 0,035 512 290 315 Thông số cài đặt Số bước lặp tối đa: 500 Số hạt quần thể: 25 Hệ số gia tốc cực đại: ωmax = 1,1 Hệ số gia tốc cực tiểu: ωmin = 0,6 c1i = 2,5 c1f = 0,2 c2i = 0,2 c2f = 2,5 Bảng 4.7 Phân bố công suất tối ưu máy hệ thống 40 máy có xét đến ramp rate prohibited zone Pmax Pmin Cơng suất phát Prohibited zone Máy (có xét đến (có xét đến (MW) ramp rate) ramp rate) 114 36 113,8832 114 36 114,0000 120 60 118,9235 190 80 190,0000 97 47 94,0959 140 68 139,9939 300 110 264,8079 300 135 300,0000 300 135 299,7640 Trang 90 CHƯƠNG 4: ỨNG DỤNG PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN (PSORVPS) ĐỂ GIẢI BÀI TOÁN ED VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC 10 300 130 [130 150][200 230][270 299] 130,0000 11 360 94 [100 140][230 280][300 350] 94,0000 12 360 94 [100 140][230 280][300 350] 94,0000 13 436 125 [150 200][250 300][400 450] 125,0000 14 500 125 [200 250][300 350][450 490] 300,0000 15 500 135 137,8679 16 500 135 499,5157 17 500 220 500,0000 18 500 220 495,3379 19 550 242 549,9939 20 550 242 511,6009 21 550 254 549,6327 22 550 254 544,4388 23 550 254 550,0000 24 550 254 541,6290 25 550 254 550,0000 26 550 254 523,4377 27 115 10 10,0000 28 115 10 10,2463 29 123 10 10,0131 30 97 47 96,9995 31 190 60 190,0000 32 190 60 190,0000 33 190 60 189,3446 34 200 90 199,7565 35 200 90 200,0000 36 200 90 199,9783 37 110 25 110,0000 Trang 91 CHƯƠNG 4: ỨNG DỤNG PSO VỚI CHIẾN LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN (PSORVPS) ĐỂ GIẢI BÀI TOÁN ED VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC 38 110 25 109,9988 39 110 25 110,0000 40 550 242 541,7398 Tổng cơng suất (MW) Tổng chi phí ($) 10.500 123.052 Từ bảng 4.6 cho thấy, công suất máy hệ 40 máy nằm giới hạn cho phép, thỏa mãn ramp-rate vùng cấm (prohibited zone) Hình 4.5 Sự hội tụ PSO-RVPS trường hợp kiểm tra 40 máy có xét đến ramp rate vùng cấm Kết luận Từ kết ta thấy, phương pháp PSO-RVPS giải toán điều độ kinh tế cho kết thời gian tính toán tốt phương pháp khác nên phù hợp cho việc tính tốn hệ thống lớn Trang 92 CHƯƠNG 5: KẾT LUẬN CHƯƠNG KẾT LUẬN I TỔNG KẾT ĐỀ TÀI Luận văn trình bày thuật toán PSO-RVPS để giải toán tối ưu hệ thống điện Thuật tốn thành cơng việc tìm điểm tối ưu với tốc độ hội tụ nhanh chóng Bài tốn dùng để kiểm tra thuật tốn tốn điều phối kinh tế cơng suất ED Luận văn trình bày có hệ thống, dẫn dắt toán từ đơn giản đến phức tạp, toán cụ thể nhận xét, đánh giá với nhiều nguồn tài liệu khác để khẳng định tính xác tin cậy kết đạt luận văn Mặc dù luận văn áp dụng vào giải toán cho mạng điện 13, 15, 40 máy, nhiên phương pháp đưa không bị hạn chế số lượng máy phát hay tốn có cấu trúc phức tạp Do đó, giải thuật hồn tồn áp dụng mạng điện có số lượng nhà máy lớn Kết tính tốn cho thấy khả linh hoạt, mạnh mẽ thuật toán PSO việc xác định lời giải tối ưu toàn cục mà phương pháp tối ưu số khó đạt Đối với tốn có hàm mục tiêu khơng khả vi, có biến số rời rạc thuật toán PSO cho thấy khả đặc biệt thích hợp việc giải tốn cách dễ dàng Tuy nhiên, thuật toán PSO có nhược điểm giống phương pháp trí tuệ nhân tạo khác chưa có sở toán học vững (chỉ chủ yếu dựa vào lý thuyết xác xuất), kết tính tốn phụ thuộc nhiều vào thơng số cài đặt thuật tốn kinh nghiệm người lập trình nhiều thời gian công sức để thử nghiệm kiểm tra Thuật tốn PSO có ngun lý sáng, dễ hiểu, phương pháp dễ ứng dụng Do khơng có phương pháp tốn cụ thể làm cho người làm quen áp dụng vào tốn cụ thể gặp khó khăn về: - Phương pháp mã hoá biến với số lượng cá thể không phù hợp - Cách thức loại biến cần phải mã hoá toán cụ thể Trang 93 CHƯƠNG 5: KẾT LUẬN - Thông số cài đặt thuật toán như: số cá thể quần thể, hệ số quán tính, kinh nghiệm thân quan hệ cộng đồng cá thể - Cách thiết lập hàm mục tiêu thích hợp II HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Từ kết đạt ưu khuyết điểm luận văn nêu đưa hướng phát triển đề tài: - Kết hợp thuật toán PSO lai với phương pháp trí tuệ nhân tạo khác như: Genetic Algorithm, Fuzzy Logic, Neural Network, , để tăng tốc độ hội tụ độ xác kết tính tốn - Tiến tới áp dụng thuật tốn tối ưu cho toán khác như: toán quy hoạch phát triển hệ thống điện, - Giải tốn ED với hàm chi phí nhiên liệu có xét đến yếu tố ảnh hưởng lượng khí thải mơi trường - Giải tốn ED với hàm chi phí nhiên liệu nhà máy có sử dụng nhiều loại nhiên liệu khác - Giải tốn ED với hàm chi phí nhiên liệu nhà máy có dạng phương trình bậc III LỜI KẾT Thời gian qua khơng phải q cho đề tài nghiên cứu không đủ dài đời cơng trình khoa học hồn chỉnh, điều kiện cịn tồn nhiều khó khăn khách quan định Tham vọng nhiều khó vượt qua rào cản thời gian, kinh nghiệm, tri thức bộn bề lo toan công việc sống, chắn khơng tránh khỏi sai sót Người thực hy vọng thiếu sót luận văn người đọc cảm thông, chia sẻ giúp đỡ để chúng tơi bổ sung, hoàn chỉnh tương lai Trang 94 TÀI LIỆU THAM KHẢO TÀI LIỆU THAM KHẢO [1] T.Adhinarayanan and M.Sydulu, “A new optimising concept to ramp-rate constrained economic dispatch with prohibited operating zones”, IEEE 2007 [2] T Adhinarayanan and M Sydulu, “A directional search genetic algorithm to the economic dispatch problem with prohibited operating zones”, Transmission and Distribution conference and exposition, 2008 pp 1-5 [3] Ching-Tzong Su and Gwo-Jen Chiou, “A fast-computation Hopfield method to economic dispatch of power systems”, Power systems, IEEE Transaction on, IEEE 1997, vol 12, pp 1759-1764 [4] Aniruddha Bhattacharya and Pranab Kumar Chattopadhyay, “A modified particle swarm optimization for solving the non-convex economic dispatch”, ECTICON 2009, 6th International Conference, vol 1, pp 78-81 [5] S.-K.Wang, J.-P.Chiou and C.-W.Liu, “Non-smooth/non-convex economic dispatch by a novel hybrid differential evolution algorithm”, IET Gener.Transm Distrib.,2007, 1, (5), pp.793-803 [6] Po-Hung Chen and Hong-Chan Chang, Member, IEEE, Department of Electrical Engineering, National Taiwan Institute of Technology, Taipei, Taiwan, ROC, “Large-scale economic dispatch by Genetic Algorithm”, IEEE 1995, vol 10, pp 1919-1926 [7] K.Vinodh, M.Jothikumar, S.Sriramnivas, R.S.Dhivyapragash, “An efficient particle swarm optimization for economic dispatch with valve-point effect”, Ciced2008 Technical Session [8] Kwang Y.Lee, Fellow, IEEE, and Jong-Bae Park, Member, IEEE, “Application of particle swarm optimization to economic dispatch problem: Advantages and Disadvantages”, IEEE 2006 [9] Z.L.Gaing, “Particle swarm optimization to solving the economic dispatch considering the generator constraints,” IEEE Trans Power Syst vol 18, no 3, pp 1187-1195, Nov 2003 TÀI LIỆU THAM KHẢO [10] B Zhao, C X Guo, and Y J Cao, “Improved particle swarm optimization algorithm for OPF problems,” in Proc IEEE/PES Power Syst Conf Expo., 2004, pp 233 – 238 [11] C M Huang, C J Huang, and M L Wang, “A particle swarm optimization to identifying the ARMAX model for short-term load forecasting,” IEEE Trans Power Syst., vol 20, no 2, pp 1126-1133, May 2005 [12] J B Park, K S Lee, J R Shin, and K Y Lee, “A particle swarm optimization for economic dispatch with nonsmooth cost functions”, IEEE Trans Power Syst., vol 20, no 1, pp 34-42, Feb 2005 [13] W Zhang and Y Liu, “Reactive power optimization based on PSO in a practical power system,” in Proc IEEE Power Eng Soc General Meeting, 2004, pp 239-243 [14] C Wang and S M Shahidehpour, “Effects of ramp rate limits on unit commitment and economic dispatch”, Power Systems, IEEE Transaction on, vol 8, pp 1341-1350 [15] M.R.Alrashidi, Student Member, IEEE, and M.E.El-Hawary, Fellow, IEEE, “A survey of particle swarm optimization applications in electric power systems”, IEEE 2009 [16] A.Immanuel Selvakumar, Member, IEEE, and K.Thanushkodi, “A new particle swarm optimization solution to nonconvex economic dispatch problems”, IEEE 2007 [17] Woo-Nam Lee, Yun-Won Jeong, Jong-Bae Park, Joong-Rin Shin, Kwang Y.Lee, “Development of educational simulator for particle swarm optimization and economic dispatch applications”, Intelligent Systems Applications to Power Systems, 2007 ISAP 2007 International Conference on, pp 1-6 [18] K T Chaturvedi, Manjaree Pandit and Laxmi Srivastava, “Selforganizing hierarchical particle swarm optimization for nonconvex economic dispatch”, Power Systems, IEEE Transactions on, vol 23, pp 1079-1087 TÀI LIỆU THAM KHẢO [19] H Yoshida, Y Fukuyama, S Takayama, and Y Nakanishi, “A particle swarm optimization for reactive power and voltage control in electric power systems considering voltage security assessment,” in Proc IEEE Int Conf Syst., Man, Cybern., 1999, vol 6, pp 497-502 [20] H Yoshida, K Kawata, Y Fukuyama, S Takayama, and Y Nakanishi, “A particle swarm optimization for reactive power and voltage control considering voltage security assessment,” IEEE Trans Power Syst., vol 15, no 4, pp 12321239, Nov 2000 [21] Y Fukuyama and H Yoshida, “A particle swarm optimization for reactive power and voltage control in electric power systems,” in Proc Congr Evol Comput., 2001, vol 1, pp 87-93 [22] Jong-Bae Park, Yun-Won Jeong, Joong-Rin Shin and Kwang Y.Lee, “An improved particle swarm optimization for nonconvex economic dispatch problems”, Power Systems, IEEE Transactions on, vol 25, pp 156-166, Feb.2010 [23] A I El-Gallad, M El-Hawary, A A Sallam, and A Kalas, “Swarm intelligence for hybrid cost dispatch problem,” in Proc Canadian Conf Elect Comput Eng., 2001, vol 2, pp 753-757 [24] A El-Gallad, M El-Hawary, A Sallam, and A Kalas, “Particle swarm optimizer for constrained economic dispatch with prohibited operating zones,” in Proc Canadian Conf Elect Comput Eng., 2002, vol 1, pp 78-81 [25] Z L Gaing, “Constrained dynamic economic dispatch solution using particle swarm optimization,” in Proc IEEE Power Eng Soc General Meeting, 2004, pp 153-158 [26] T A A Victoire and A E Jeyakumar, “Reserve constrained dynamic dispatch of units with valve-point effects,” IEEE Trans Power Syst., vol 20, no 3, pp 1273-1282, Aug 2005 [27] A I S Kumar, K Dhanushkodi, J J Kumar, and C K C Paul, “Particle swarm optimization solution to emission and economic dispatch problem,” in Pro Conf Convergent Technol Asia-Pacific Region, 2003, vol 1, pp 435-439 TÀI LIỆU THAM KHẢO [28] A H Mantawy and M S Al-Ghamdi, “A new reactive power optimization algorithm”, in Proc IEEE Power Tech Conf., 2003, vol 4, pp 6-11 [29] V Mirada and N Fonseca, “EPSO-evolutionary particle swarm optimization, a new algorithm with applications in power systems,” in Proc IEEE/PES Transmission Distrib Conf Exhib., Asia-Pacific, 2002, vol 2, pp 745750 [30] V Mirada and N Fonseca, “EPSO-evolutionary particle swarm optimization, best-of-two-worlds meta-heuristic applied to power system problems,” in Proc Congr Evol Comput., 2002, vol 2, pp 1080-1085 [31] B Zhao, C X Guo, and Y J Cao, “A multiagent-based particle swarm optimization approach for optimal reactive power dispatch,” IEEE Trans, Power Syst., vol 20, no 2, pp 1070-1078, May 2005 [32] A A A Esmin, G Lambert-Torres, and A C Zambroni de Souza, “A hybrid particle swarm optimization applied to loss power minimization,” IEEE Trans Power Syst., vol 20, no 2, pp 859-866, May 2005 [33] J Chuanwen and E.Bompard, “A hybrid method of chaotic particle swarm optimization and linear interior for reactive power optimization,” Mathematics and Computers in Simulation, vol 68, no 1, pp 57-65, Feb.2005 [34] G Coath, M Al-Dabbagh, and S K Halgamuge,”Particle swarm optimization for reactive power and voltage control with grid-integrated wind farms,” in Proc IEEE Power Eng Soc General Meeting, 2004, pp 303-308 [35] M A Abido, “Optimal power flow using particle swarm optimization,” Int J Elect Power Energy Syst., vol 24, no 7, pp 563-571, Oct 2002 [36] S He, J Y Wen, E Prempain, Q H Wu, J Fitch, and S Mann, “An improved particle swarm optimization for optimal power flow,” in Proc Int Conf Power Syst Technol., 2004, vol 2, pp 1633-1637 [37] A A Abido, “Particle swarm optimization for multimachine power system stabilizer design,” in Proc IEEE Power Eng Soc Summer Meeting, 2001, vol 3, pp 1346-1351 TÀI LIỆU THAM KHẢO [38] M A Abido, “Optimal design of power-system stabilizers using particle swarm optimization,” IEEE Trans Energy Conversion, vol 17, no 3, pp 406-413, Sep 2002 [39] T Okada, T Watanabe, and K Yasuda, “Parameter tuning of fixed structure controller for power system stability enhancement,” in Proc IEEE/PES Transmission Distrib Conf Exhib.: Asia Pacific, 2002, vol 1, pp 162-167 [40] N A Al-Musabi, Z M Al-Hatnouz, H N Al-Dwaish, and S Al-Baiyat, “Variable structure load frequency controller using particle swarm optimization technique,” in Proc 10th IEEE Int Conf Electron., Circuits, Syst., 2003, vol 1, pp 380-383 [41] Y L Abdel-Magid and M A Abido, “AGC tuning of interconnected reheat thermal systems with particle swarm optimization,” in Proc 10th IEEE Int Conf Electron., Circuits Syst., 2003, vol 1, pp 376-379 [42] C Juang and C Lu, “Power system load frequency control by evolutionary fuzzy PI controller,” in Proc IEEE Int Conf Fuzzy Syst., 2004, vol 2, pp 715-719 [43] S P Ghoshal, “Optimizations of PID gains by particle swarm optimizations in fuzzy based automatic generation control,” Electric Power Syst Res., vol 72, no 3, pp 203-212, Dec 2004 [44] L Chun-Feng and J Chia-Feng, “Evolutionary fuzzy control of flexible AC transmission system,” Inst Elect Eng Proc Generation, Transmission Distrib., vol 152, no 4, pp 441-448, 2005 [45] A I El-Gallad, M El-Hawary, A A Sallam, and A Kalas, “Swarmintelligently trained neural network for power transformer protection,” in Proc Canadian Conf Elect Comput Eng., 2001, vol 1, pp 265-269 [46] N Hirata, A Ishigame, and H Nishigaito, “Neuro stabilizing control based on Lyapunov method for power system,” in Proc 41st SICE Annu Conf., 2002, vol 5, pp 3169-3171 TÀI LIỆU THAM KHẢO [47] I N Kassabalidis, M A El-Sharkawi, R J Marks, II, L S Moulin, and A P ves da Silva, “Dynamic security border identification using enhanced particle swarm optimization,” IEEE Trans Power Syst., vol 17, no 3, pp 723-729, Aug 2002 [48] R F Chang and C N Lu, “Feeder reconfiguration for load factor improvement,” in Proc IEEE Power Eng Soc Winter Meeting, 2002, vol 2, pp 980-984 [49] C C Shen and C N Lu, “Feeder reconfiguration for power quality requirement and feeder service quality matching,” in Proc IEEE/PES Transmission Distrib Conf Exhib.: Asia-Pacific, 2002, vol 1, pp 226-231 [50] T A A Victoire and A E Jeyakumar, “Unit commitment by a tabusearch-based hybrid-optimisation technique,” Inst Elect Eng Proc Generation, Transmission Distrib., vol 52, no 4, pp 563-574, 2005 [51] S M R Slochanal, S Kannan, and R Rengaraj, “Generation expansion planning in the competitive environment,” in Proc Int Conf Power Syst Technol., 2004, vol 2, pp 1546-1549 [52] S Kannan, S M R Slochanal, P Subbaraj, and N P Padhy, “Application of particle swarm optimization technique and its variants to generation expansion planning problem,” Electric Power Syst Res., vol 70, no 3, pp 203210, Aug 2004 [53] P S Sensarma, M Rahmani, and A Carvalho, “A comprehensive method for optimal expansion planning using particle swarm optimization,” in Proc IEEE Power Eng Soc Winter Meeting, 2002, vol 2, pp 1317-1322 [54] C A Koay and D Srinivasan, “Particle swarm optimization-based approach for generator maintenance scheduling,” in Proc IEEE Swarm Intell Symp., 2003, pp 167-173 [55] W Kurutach and Y Tuppadung, “Feeder-switch relocation based upon risk analysis of trees-caused interruption and value-based distribution reliability assessment,” in Proc IEEE Region 10 Conf., 2004, vol C, pp 577-580 TÀI LIỆU THAM KHẢO [56] Y M K Nara, “Particle swarm optimization for fault state power supply reliability enhancement,” in Proc Intell Syst Appl Power Syst., 2001, pp 143147 [57] S Naka, T Genji, T Yura, and Y Fukuyama, “A hybrid particle swarm optimization for distribution state estimation,” IEEE Trans Power Syst., vol 18, no 1, pp 60-68, Feb 2003 [58] Y Fukuyama, “State estimation and optimal setting of voltage regulator in distribution systems,” in Proc IEEE Power Eng Society Winter Meeting, 2001, vol 2, pp 930-935 [59] J Chuanwen and E Bompard, “A self-adaptive chaotic particle swarm algorithm for short term hydroelectric system scheduling in deregulated environment,” Energy Conversion Manage., vol 46, no 17, pp 2689-2696, Oct 2005 [60] Jizhong Zhu, Ph.D, Institute of Electrical and Electronics Engineers “Optimization of Power System Operation” [61] Aleksandar Lazinica, “Particle swarm optimization”, published by InTech LÝ LỊCH TRÍCH NGANG - Họ tên: Nguyễn Thanh Hùng - Ngày, tháng, năm sinh: 25/09/1983 Nơi sinh: Bình Dương - Địa liên lạc: 85 khu C, Khu phố Thạnh Quí, Thị trấn An Thạnh, Thuận An, Bình Dương Q TRÌNH ĐÀO TẠO - Từ năm 2001 – 2006: Học đại học trường Đại học Sư Phạm Kỹ Thuật Tp.Hồ Chí Minh - Từ năm 2008 đến nay: Học cao học trường Đại học Bách Khoa Tp Hồ Chí Minh Q TRÌNH CƠNG TÁC - Từ năm 2006 đến nay: Công tác Phịng Tổ chức Nhân Cơng ty Điện lực Bình Dương ... thuật toán PSO với chi? ??n lược thông số ngẫu nhiên Đồng thời, áp dụng thuật tốn PSO với chi? ??n lược thơng số ngẫu nhiên để giải toán điều độ kinh tế với hàm chi phí nhiên liệu khơng liên tục Trong số. .. MSHV : 01808302 I TÊN ĐỀ TÀI: PHƯƠNG PHÁP PSO VỚI CHI? ??N LƯỢC THÔNG SỐ BIẾN THIÊN NGẪU NHIÊN ÁP DỤNG CHO BÀI TOÁN ĐIỀU ĐỘ KINH TẾ VỚI HÀM CHI PHÍ NHIÊN LIỆU KHƠNG LIÊN TỤC II NHIỆM VỤ VÀ NỘI DUNG:... Thuật toán PSO CHƯƠNG 3: Bài toán điều độ kinh tế (ED) giới hạn ramp - rate CHƯƠNG 4: Ứng dụng PSO với chi? ??n lược thông số biến thiên ngẫu nhiên (PSO- RVPS) để giải toán ED với hàm chi phí nhiên liệu